作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有图像增强技术不能同时进行超分辨率和伪影去除的问题,提出一种基于生成对抗网络的图像增强鲁棒算法,能够在一个网络中以端到端的方式同时进行伪影消除和超分辨率.算法包括生成器网络和判别器网络两部分.生成器网络以U-net形式引入跳跃链接进行共享信息,并在最后一层之前设计一个像素解析模块,提高输出图像分辨率;判别器采用自动编码方式有助于将大量有关生成图像质量的语义信息传递回生成器;提出一种基于网络特征损失、边缘损失和判别器重构损失三者加权的感知损失函数,有效保留在图像增强过程中经常丢失的锐度.实验结果表明,对于高压缩低分辨率图像,该方法可以同时进行伪影去除和超分辨率,相对其他方法在多个评价指标上都有很好的性能体现.
推荐文章
基于特征重标定生成对抗网络的图像分类算法
生成对抗网络
图像分类
特征重标定
深度学习
基于条件梯度Wasserstein生成对抗网络的图像识别
生成式对抗网络
条件模型
Wesserstein距离
梯度惩罚
全局和局部一致性
图像识别
分类重构堆栈生成对抗网络的文本生成图像模型
文本生成图像
堆栈生成对抗网络
分类
重构
跨模态学习
基于生成对抗文本的人脸图像翻译
人脸图像翻译
生成对抗文本
深度对称结构联合编码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于生成对抗网络的多用途图像增强鲁棒算法
来源期刊 计算机应用与软件 学科 工学
关键词 生成对抗网络 超分辨率 伪影去除 图像增强
年,卷(期) 2020,(6) 所属期刊栏目 图像处理与应用
研究方向 页码范围 247-252,262
页数 7页 分类号 TP391.4
字数 4991字 语种 中文
DOI 10.3969/j.issn.1000-386x.2020.06.043
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李英 内江职业技术学院信息技术系 19 16 2.0 3.0
2 李臻 7 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (4)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
生成对抗网络
超分辨率
伪影去除
图像增强
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导